[论文解读] Wear Minimization for Cuckoo Hashing: How Not to Throw a Lot of Eggs into One Basket

David Eppstein, Michael T. Goodrich+2 more|arXiv (Cornell University)|Apr 1, 2014

Advanced Image and Video Retrieval Techniques参考文献 23被引用 6

一句话总结

本文提出了一种磨损最小化的布谷鸟散列变体，该变体使用 d > 2 个哈希函数，并基于实时单元磨损计数选择插入位置。证明表明，在 n 次插入操作后，表大小为 Cn 的情况下，最大单元磨损可被高概率地限制在 log log n + O(1) 以内，显著优于标准布谷鸟散列和线性探测，尤其在高负载和包含删除操作的混合工作负载下表现更优。

ABSTRACT

We study wear-leveling techniques for cuckoo hashing, showing that it is possible to achieve a memory wear bound of $\log\log n+O(1)$ after the insertion of $n$ items into a table of size $Cn$ for a suitable constant $C$ using cuckoo hashing. Moreover, we study our cuckoo hashing method empirically, showing that it significantly improves on the memory wear performance for classic cuckoo hashing and linear probing in practice.

研究动机与目标

• 为解决标准布谷鸟散列在现代持久内存约束下存在的高内存磨损问题。
• 设计一种实用的布谷鸟散列变体，理论上可证明其最大单元磨损在高概率下被限制在 log log n + O(1)。
• 在混合插入-删除工作负载下，通过实验评估并比较磨损性能，与标准布谷鸟散列和线性探测进行对比。
• 为用于闪存和相变内存系统的散列表提供一种理论基础坚实且实用的磨损均衡解决方案。

提出的方法

• 通过为每个键使用 d > 2 个随机哈希函数（而非仅两个）扩展标准布谷鸟散列。
• 在插入时，从 d 个候选单元中选择当前磨损计数最低的单元，以最小化磨损放大。
• 为每个单元维护一个磨损计数器，并在每次写操作后更新该计数。
• 基于扩展至 d 个选择的“双重选择”理论分析，将最大负载（磨损）限制在 log log n + O(1)。
• 实验中使用 mhash 库提供的密码学哈希函数，以确保随机性并避免偏差。
• 采用混合删除策略：对于线性探测，删除后重新插入项目以保持探测序列，仅在实际物理写入时计算磨损。

实验结果

研究问题

• RQ1 能否设计一种布谷鸟散列变体，使其在高概率下实现最大磨损 bound 为 log log n + O(1)？
• RQ2 在混合工作负载下，使用 d > 2 个哈希函数的磨损感知单元选择与标准布谷鸟散列和线性探测相比，其磨损性能如何？
• RQ3 在高负载因子（例如 4/5 填充率）和重复插入删除操作下，该方法是否仍能保持低磨损？
• RQ4 理论磨损 bound 是否能在实际中观察到，尤其是在涉及删除操作时？

主要发现

• 所提出的磨损感知布谷鸟散列在 n 次插入操作后，表大小为 Cn 的情况下，高概率下实现了最大磨损 bound 为 log log n + O(1)，显著优于标准布谷鸟散列的 Ω(log n / log log n) bound。
• 在 10 亿对操作（插入/删除）的实验中，4/5 填充率下，所提方法的最大磨损为 171.93，而标准布谷鸟散列为 281.84。
• 在 4/5 填充率下，与标准布谷鸟散列相比，所提方法将最大磨损降低了约 39%；与线性探测相比，降低了约 42%。
• 即使在低填充率（1/6）下，所提方法的最大磨损（33.92）也低于标准布谷鸟散列（40.52），显示出持续的性能提升。
• 在所有测试填充率下，所提方法的单元平均磨损均更低，表明整体磨损减少。
• 即使在插入与删除交错进行的情况下，该方法仍能保持低磨损，表现出对动态更新的鲁棒性。